首页
文章
视频教程
问答
课程
机器学习
机器学习边学变练(黑马程序员)
机器学习边学变练(黑马程序员)
本课程适合有python基础希望学习机器学习的学员学习
原创视频
5.0分
学习人数:17293
学习难度:初级
更新时间:2020-06-06
已学0%
学习耗时0分钟
开始学习
课程介绍
本课程由黑马程序员精品打造,适合对人工智能感兴趣的学院学习
喜欢就分享吧
课程目录
课程目录
共:8章 112节
人工智能概述
1-1 机器学习科学计算库内容简介
1-2 人工智能概述
1-3 人工智能的发展历程
1-4 人工智能主要分支
机器学习与深度学习
2-1 机器学习定义工作流程概述
2-2 机器学习工作流程各步骤解释
2-3 机器学习算法分类介绍
2-4 模型评估
2-5 Azure机器学习平台实验演示1
2-6 Azure机器学习平台实验演示2
2-7 深度学习简介
2-8 基础环境安装
jupyter和数据分析三剑客
3-1 jupyter notebook的基本使用1
3-2 jupyter notebook的基本使用2
3-3 matplotlib的基本使用
3-4 实现基础绘图-某城市温度变换图
3-5 绘图辅助功能完善-某城市温度变换图
3-6 在一个坐标系下绘制多个图像
3-7 在多个坐标系下绘制多个图像
3-8 常见图形绘制
3-9 numpy介绍
3-10 ndarray介绍
3-11 创建0,1数组,固定范围数组
3-12 创建随机数组
3-13 数组的基本操作
3-14 ndarray的运算
3-15 数组间运算
3-16 矩阵复习
3-17 pandas介绍
3-18 pandas数据结构-series
3-19 pandas数据结构-DataFrame1
3-20 pandas数据结构-DataFrame2
3-21 pandas数据结构-multiindex和panel
3-22 pandas中的索引
3-23 赋值和排序
3-24 pandas中的算术运算和逻辑运算
3-25 pandas中的统计函数
3-26 pandas中的累计统计函数和自定义函数
3-27 pandas中绘图方式介绍
3-28 pandas中文件的读取和写入
3-29 缺失值的处理
数据处理与案例分析
4-1 数据离散化
4-2 数据表的合并
4-3 交叉表和透视表介绍
4-4 分组聚合介绍
4-5 星巴克案例实现
4-6 电影案例分析1
4-7 电影案例分析2
KNN算法
5-1 K-近邻算法简介
5-2 K近邻算法api初步使用
5-3 机器学习中距离度量介绍
5-4 K值的选择介绍
5-5 kd树和kd树的构造过程
5-6 kd树案例实现
5-7 数据集获取和属性介绍
5-8 数据可视化介绍
5-9 数据集的划分
5-10 特征预处理简介
5-11 归一化和标准化介绍
5-12 鸢尾花种类预测
5-13 KNN算法总结
5-14 交叉验证、网格搜索概念介绍
5-15 交叉验证、网格搜索案例实现
5-16 案例-Facebook位置预测流程分析
5-17 案例-Facebook位置预测代码实现1
5-18 案例-Facebook位置预测代码实现2
线性回归
6-1 线性回归简介
6-2 初始线性回归api
6-3 数学:求导
6-4 线性回归中损失函数的介绍
6-5 使用正规方程对损失函数进行优化
6-6 使用梯度下降法对损失函数进行优化
6-7 梯度下降法方法介绍
6-8 线性回归api再介绍
6-9 波士顿房价预测案例
6-10 欠拟合和过拟合的介绍
6-11 正则化线性模型
6-12 岭回归介绍
6-13 模型保存和加载
逻辑回归决策树算法
7-1 逻辑回归介绍
7-2 逻辑回归api介绍
7-3 肿瘤预测案例
7-4 分类评估方法介绍
7-5 roc曲线绘制过程
7-6 决策树算法简介
7-7 熵的介绍
7-8 信息增益的介绍
7-9 信息增益率的介绍
7-10 基尼指数的介绍
7-11 决策树划分原理小结
7-12 cart剪枝介绍
7-13 字典特征提取
7-14 英文文本特征提取
7-15 中文文本特征提取
7-16 tfidf内容讲解
7-17 决策树算法api介绍
7-18 泰坦尼克号乘客生存预测
7-19 树木可视化操作
集成学习算法选择
8-1 集成学习简介
8-2 bagging和随机森林概念介绍
8-3 随机森林api实现
8-4 boosting概念介绍
8-5 GBDT内容介绍
8-6 聚类算法介绍
8-7 聚类算法api初步实现
8-8 聚类算法实现流程
8-9 模型评估
8-10 算法优化介绍
8-11 特征降维内容介绍
8-12 pca降维介绍
8-13 用户对物品类别的喜好细分案例
8-14 算法选择指导
学生反馈
5.0
课程评分
课程评分根据各个学生的评分和各种其他因素(如评分时间和可读性)计算得出,以确保评分公平准确地反映课程质量。
100%
%
%
%
%
讲师介绍
流芳
别懈怠